Publication
Intelligent recommendation system to enhance youth football athletes development
| datacite.subject.fos | Engenharia e Tecnologia | pt_PT |
| dc.contributor.advisor | Martins, António Constantino Lopes | |
| dc.contributor.advisor | Matos, Paulo Sérgio dos Santos | |
| dc.contributor.author | Fraga, Pedro Filipe Monteiro | |
| dc.date.accessioned | 2024-12-11T15:05:45Z | |
| dc.date.embargo | 2026-12-11 | |
| dc.date.issued | 2024-10-15 | |
| dc.description.abstract | With the constant evolution of sports, technological advancements are constantly being made with the objective of maximizing the performance of teams and players. Looking specifically at football, which is the most played sport across the world, teams are constantly looking to develop the best players, and that process starts when they are young. However, only the top football clubs in the world have the funding necessary to create the best conditions to improve the best players. Consequently, for most of the football academies, it is hard to maximize the potential of their young players and enhance their growth. Therefore, this thesis pretends to solve this issue by proposing a football recommendation system for young athletes improvement, where the main objectives were to help the coaching staff by recommending the most relevant skills for a player to improve, using different approaches to achieve these recommendations, such as the input of experts, test them in a real life football academy environment, with the aid of recommendation system evaluation metrics, and discuss the results obtained. In the State of the Art chapter, a systematic literature review with PRISMA methodology was used, to assess the existing recommendation systems in football and their algorithms, as well as the aspects typically included in player modeling. The system was tested in a U14 and a U17 men’s football team, and the results obtained are very good indicators of the effectiveness of the system, showcasing 93.1% of accuracy in the recommendations while maintaining recall, precision and F1-measure values above 80%. The results obtained, combined with an interview with a coach that tested the system, show evidence that the system enhances the growth of the players, by aiding the coaching staff at suggesting the most relevant skills to a player. It also indicates that the system can be implemented in football academies, to complement the coaching staff. There are some limitations to the system, notably not having an interface built, the goalkeeper position not being addressed by the system and the experimentation tests having a relatively small sample size. Future work includes improving the performance of the algorithms, testing on a bigger set of players, adding the goalkeeper position, reanalyzing the skills used to modulate a player and the addition of an interface, which will aid the utilization of the system and enable the customization of the parameters used in the models. | pt_PT |
| dc.description.abstract | Com a evolução do desporto, avanços tecnológicos são constantemente criados com o objetivo de maximizar a performance das equipas e dos seus jogadores. Olhando especificamente para o futebol, que é o desporto mais praticado no mundo, as equipas estão constantemente à procura de desenvolver os melhores jogadores, e esse processo começa desde que são jovens. No entanto, apenas os melhores clubes de futebol do mundo têm o financiamento necessário para criar boas condições para maximizar o potencial dos jovens jogadores. Consequentemente, para a maioria das academias de futebol, é difícil maximizar o potencial dos seus jovens jogadores e potenciar o seu crescimento. Assim, esta tese pretende resolver este problema, propondo um sistema de recomendação para o desenvolvimento de jovens atletas, onde os principais objetivos definidos foram ajudar a equipa técnica recomendando os atributos mais relevantes para os seus jogadores melhorarem, utilizando diferentes abordagens para alcançar estas recomendações, como o input de especialistas, testá-las num ambiente real de uma academia de futebol, com o auxílio de métricas de avaliação de sistemas de recomendação, e discutir os resultados obtidos. No capítulo do Estado da Arte foi realizada uma revisão sistemática da literatura com a metodologia PRISMA, para avaliar os sistemas de recomendação de futebol existentes e os seus algoritmos, assim como os aspetos usados na modelagem de jogadores. O sistema foi testado numa equipa de futebol masculino de sub-14 e sub-17, e os resultados obtidos são excelentes indicadores da eficácia do sistema, demonstrando uma accuracy de 93,1% nas recomendações, mantendo valores de recall, precision e F1-measure acima de 80%. Os resultados obtidos, combinados com uma entrevista com um treinador que testou o sistema, mostram evidências de que o sistema melhora o crescimento dos jogadores, ao ajudar a equipa técnica a sugerir as habilidades mais relevantes para um utilizador. Estes resultados também indicam que o sistema pode ser implementado em academias de futebol, para complementar o trabalho da equipa técnica. Existem algumas limitações, nomeadamente a ausência de uma interface construída, o facto de a posição de guarda-redes não ser abordada pelo sistema e os testes conterem uma amostra relativamente pequena. O trabalho futuro inclui melhorar o desempenho dos algoritmos, testar num grupo de jogadores maior, adicionar a posição de guarda-redes, reanalisar as habilidades utilizadas para modelar um jogador e adicionar uma interface, que vai auxiliar a utilização do sistema e permitirá a personalização dos parâmetros usados nos modelos. | pt_PT |
| dc.identifier.tid | 203733851 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/26753 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Football recommendation system | pt_PT |
| dc.subject | Weighted hybrid filtering | pt_PT |
| dc.subject | K-means clustering | pt_PT |
| dc.subject | Weighted score calculation | pt_PT |
| dc.subject | Ranked recommendation | pt_PT |
| dc.title | Intelligent recommendation system to enhance youth football athletes development | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia de Inteligência Artificial | pt_PT |